Skip to content
Mit KI weiterarbeiten

Physical-AI-Plattform ​

PLEXA One verbindet Aufgabenintelligenz, Programme, Wahrnehmung, Simulation und gelernte Controller mit einem kontrollierten Roboter-Stack. Teams können den Stack über die Control API, die Real-Time Control Interface und den Integrationskatalog erweitern.

Für den gesamten Software-Stack erkunde PLEXA OS entdecken · Demnächst verfügbar mit seinen drei überlappenden Ebenen.

Konzeptillustration: PLEXA-One-Oberkörper mit symbolischen Wahrnehmungs-, Programm- und Agentenkacheln.

Zwei Wege zur Roboterausführung ​

Control-API-Anfragen laufen durch Robot Runtime für Validierung, Planung und Ausführung. Direkte RT-Clients senden gepufferte Pfade über rt-msg. Gib direkten RT-Clients eine ausdrückliche Ausführungszuständigkeit und koordiniere sie mit Runtime-Kommandos, bevor du beide Pfade kombinierst. Eingebettete Robotersteuerungen behalten die Zuständigkeit für funktionale Safety.

Drei Wege, eine Aufgabe zu steuern ​

Vergleiche Skriptlogik, begrenzte Agentenwerkzeuge und gelernte Policies am selben Eingang. Diese Entwicklungswege lassen sich kombinieren: Ein Agent kann ein Programm starten und ein Programm kann eine Policy nutzen. RT-Streaming ist ein eigener Ausführungspfad und benötigt einen zugeordneten Ausführungsadapter.

ZUSAMMENHÄNGE ERKUNDENInteraktives Lehrmodell
  1. 01 · EINGANGAufgabe + Beobachtung
  2. 02 · ENTSCHEIDUNGGeschriebene Zweige und Parameterif inspection == good: prepare_task()
  3. 03 · AUSFÜHRUNGSGRENZESDK → Runtime
1 / 3

Dieselbe Aufgabe und Beobachtung gehen in jeden Entwicklungsweg ein. Folge dem nächsten Schritt.

Der hier gezeigte Policy-Pfad reicht Vorschläge über einen Anwendungsadapter ein. Direktes RT-Streaming benötigt eine eigene Ausführungskoordination; gelernter Output allein definiert weder diesen Adapter noch das Roboterverhalten.

Integrationstiefe ​

EbeneNutzung
1 · BasisanwendungNutze den unterstützten Steuerungs-Stack für die vereinbarte Roboterkonfiguration und Aufgabe.
2 · ErweiternErgänze KI, Vision, Daten oder Simulation rund um Runtime-APIs und begrenzte Fähigkeiten.
3 · Tiefe IntegrationVerbinde externe Robotik- und Policy-Stacks über geprüfte Adapter, Runtime-Zulassung und roboterspezifische Validierung.

Wähle einen Adapter aus dem Integrationskatalog und folge seiner Einrichtung, den unterstützten Eingaben und den Anwendungsbeispielen.

Anwendungstutorials erkunden ​

Die Tutorials ordnen typische Plattformabläufe nach Anwendung. Beginne mit Teleoperation für kontinuierliche Gelenkziele, ROS 2 für eine Middleware-Grenze oder Isaac-Simulation für einen Simulationsablauf. Jede Übersicht verlinkt die relevante API und den Contract; den Implementierungsstand findest du im Integrationskatalog.

Wo Lernen hilft ​

Deterministische Programme und modellbasierte Bewegung liefern wiederholbare Operationen. Teleoperation und Motion Tracking unterstützen Einlernen und Demonstrationsaufzeichnung. Simulation, Imitation Learning und Reinforcement Learning unterstützen begrenzte Problemstellungen wie Greifen und Anpassung an Variation. Policy-Ausgaben benötigen Offline- und Simulatorevaluation vor beaufsichtigtem physischem Einsatz.